基于BP神经网络的BSTMUF601高温合金蠕变本构模型

通过对BSTMUF601高温合金在1253 K和1368 K不同载荷下蠕变试验及基于恒应力条件的θ映射法蠕变本构模型,研究马弗炉真实服役环境下的蠕变行为。为了解决蠕变过程试件截面积减小的问题,提出一种直径修正法近似获得试件的真实应力和应变。考虑在恒载条件下,非线性多元拟合方法不能准确标定蠕变本构模型的参数,本文基于上述修正的应力和应变通过误差反向传播(BP)神经网络的学习算法逆向标定θ映射法模型参数。结果表明,预测结果与实验结果吻合良好,最大相对误差小于12 %。此外,模型计算的表观蠕变应力指数和TEM图像表明位错攀爬是蠕变变形主导机制,说明BP神经网络方法对BSTMUF601高温合金蠕变本构模型参数识别和预测方面的优势。     

GH5188合金流变行为研究

通过在Gleeble-3500型热模拟实验机上对GH5188合金进行等温热压缩实验,在变形温度为1030~1150℃、应变速率为0.01~10s-1的条件下,研究其热压缩变形的流变应力变化规律。在应力-应变结果的基础上,采用引入应变量因素的Arrhenius方程,建立了描述GH5188合金高温变形特性的本构方程。结果表明:变形温度和应变速率对GH5188合金流变应力影响显著,随变形温度升高和变形速率的降低,相同变形程度下合金的流变应力显著降低,并且在较低的应变下合金即可达到稳态流变状态。GH5188合金流变应力计算值和实验值相对误差较小,所建立的本构方程具有良好的预测能力。     

基于BP神经网络的TB8合金高温本构关系模型

利用Gleeble1500热模拟试验机对TB8合金进行等温压缩试验,获得不同变形条件下的流变应力数据,在对数据进行摩擦修正的基础上建立了3×10×1的3层BP神经网络形式的本构关系模型。结果表明,在隐层神经元数为10、学习率为0.05、动量因子为0.4时,网络模型具有优良的性能,能精确反映热变形条件下温度、变形速率、变形程度与流变应力之间的关系,为TB8合金热加工工艺的合理制定和热变形过程的数值模拟提供依据。     

GH141合金和GH907合金的本构关系

在分析三种Ａｒｒｈｅｎｉｕｓ型方程对建立ＧＨ１４１和ＧＨ９０７合金本构关系适用性的基础上，提出了以Ｚｅｎｅｒ－Ｈｏｌｌｏｍｏｎ参数为主要变量，并综合考虑温度和变形程度对流动应力影响的建立本构关系的方法。本文提出的建立本构关系的方法对变形高温合金有普适性。     

基于BP神经网络Ti600合金本构关系模型的建立

运用Gleeble-1500热模拟机对Ti600合金的圆柱试样进行等温压缩变形试验,以试验所得数据（变形温度800~1100 ℃,应变速率0.01~10 s-1）为基础,基于BP神经网络方法建立了该合金的高温本构关系模型。结果表明：BP神经网络本构关系模型具有很高的预测精度,可以很好地描述Ti600合金在高温变形时各热力学参数之间高度非线性的复杂关系,为本构关系模型的建立提供了一种更加准确有效的方法。     

应用神经网络表征变形高温合金的本构关系

本构关系是联系塑性加工过程中材料的动态响应与热力参数之间的媒介,因此,本构关系是用有限元对金属塑性加工过程进行数值模拟的前提条件。由于变形高温合金本构关系的高度非线性,在试验数据基础上,按Ａｒｒｈｅｎｉｕｓ型方程用数理统计方法建立的本构关系,结构十分复杂,不便工程应用。本文探讨用人工神经网络这种新一代信息处理工具表征变形高温合金本构关系的方法和效果。研究结果表明,应用人工神经网络表征的本构关系比用     

铸态GH4169合金热变形行为及三种本构模型对比

在Gleeble-1500热力模拟机上对铸态GH4169合金进行热压缩试验,变形参数为:温度(1193～1373K)、应变速率(0.01～10s~(-1))、变形量50%。通过分析真应力真应变曲线,研究铸态GH4169合金的热变形行为;对比分析了Johnson-Cook(JC)、修正的Johnson-Cook(MJC)和应变补偿Arrhenius3种本构模型的相关系数(R)和平均相对误差(AARE)。结果表明:铸态GH4169合金的流变应力随变形温度的升高和应变速率的降低而减小。JC模型、MJC模型和应变补偿的Arrhenius本构模型的相关系数(R)分别为0.891、0.956和0.961,AARE依次为29.02%、11.16%和9.31%。因此,应变补偿的Arrhenius模型能够更为精确地描述铸态GH4169的热变形行为。     

铝钨合金高温流变行为及神经网络本构关系模型

采用Gleeble-1500热模拟实验机研究铝钨合金在变形温度为450℃~540℃、应变速率为0.001s-1~1s-1下单道次压缩过程的高温流变行为。基于BP神经网络建立铝钨合金本构关系模型。在该模型中,输入变量为应变、应变速率和变形温度,输出变量为流变应力。与传统方法相比,该本构关系模型的测试数据可以为描述整个变形过程提供一个很好的代表性,也为开发铝钨合金本构关系提供方便和有效的途径。     

选区激光熔化GH3536高温合金高温本构模型北大核心CSCD

为研究选区激光熔化高温合金在高温下的塑性变形行为,对选区激光熔化制备的热等静压态GH3536高温合金进行热模拟压缩试验,获得了不同变形条件(变形温度为900、950、1000和1050℃;应变速率为0.01、0.1、1和10 s^(-1))下的高温真应力-真应变曲线,研究了该材料在高温条件下的载荷响应规律,并建立了基于Arrhenius方程的材料高温本构模型。研究发现,峰值应力随着应变速率的升高而升高,随着变形温度的升高而降低,最大峰值应力为592.8 MPa。基于Arrhenius方程建立了HIP状态下GH3536高温合金的高温本构方程,其预测精度的平均相对误差(AARE)为9.42%。通过组织观察发现,在高温变形过程中合金的组织被拉长,材料中有明显发生动态再结晶的迹象。     

GH690-RE合金高温塑性本构方程研究

采用Gleeble-3500热模拟机对GH690-RE合金进行高温压缩变形试验,在温度为950～1200℃,应变速率为0.001～2.000s-1的变形条件下测定并分析其应力-应变曲线。结果表明,流变应力随变形温度的升高和应变速率的降低而降低,且流变应力特征可用经典的双曲正弦模型描述。以应力-应变曲线为基础,采用线性回归法确定了GH690-RE合金的常数,建立了GH690-RE合金的高温本构关系方程。     

基于BP神经网络的铅黄铜超塑性能预测

运用BP神经网络方法建立了铅黄铜超塑性状态下伸长率与变形参数之间的预测模型,采用标准前馈式神经网络原理建立了铅黄铜超塑性拉伸试验参数与其伸长率之间的神经网络模型,以试验数据为样本,对所建模型进行训练,较好的预测了铅黄铜超塑拉伸的伸长率,最大的误差也只有4.81%.实现了不同变形工艺参数与伸长率之间的非线性映射,也为优化铅黄铜轴承保持架的超塑性成形参数提供理论和试验依据.伸长率预测值与试验结果吻合良好.     

GH2907合金热变形行为及热加工图

通过热模拟压缩实验研究了GH2907合金在变形温度为950~1100℃、应变速率为0.01~10s_^-1、变形量为60%条件下的热变形行为,流变应力随着变形温度的升高或应变速率的降低而显著降低;根据Arrhenius方程和Zener-Hollomon参数,计算了热变形激活能Q,建立了GH2907合金的热变形本构方程;根据动态材料模型,确定了GH2907合金在不同应变下的功率耗散图,功率耗散效率η较高的区域位于温度为1050~1100℃,应变速率为0.01~0.03s_^-1范围,在该变形区域内组织发生了明显的动态再结晶现象;基于Preased失稳判据,绘制了GH2907合金在不同应变下的热加工图,流变失稳区位于高温高应变速率区域,即温度为970~1100℃,应变速率为0.6~10s_^-1范围,在该变形区域内动态再结晶晶粒沿着绝热剪切带和局部流动分布。根据GH2907合金热加工图及微观组织分析得到适宜的加工区域是温度为1050~1100℃,应变速率为0.01~0.03s_^-1范围。     

基于BP神经网络的工作液电导率与粗糙度模型研究

研究电火花线切割工作液电导率与工件表面粗糙度的关系模型,因试验数据过少,不能可靠建模,现提出在原始数据基础上运用BP神经网络扩充数据建立预测模型。结果表明,预测值与期望值的平均误差为-0.001 7,绝对误差为0.008 5,均方差为8.169 5×10~(-5)、标准差为0.009 0,该方法建立的模型预测精度较高。应用BP神经网络建模可解决试验数据过少而不能可靠建模的问题,为电火花线切割试验数据处理、建模等研究提供一种可靠的方法。     

均匀化工艺对GH5188合金组织及力学性能的影响

利用JMatPro软件、金相显微镜、扫描电镜、能谱分析以及高温拉伸、高温压缩试验等方法,分析GH5188合金铸锭的溶质元素偏析规律、均匀化热处理过程的微观组织演变规律及均匀化过程对GH5188合金力学性能的影响。研究表明,GH5188合金的主要析出相为M₆C和M₂₃C₆,合金中的主要正偏析元素为W和Cr,负偏析元素为Ni和Co。采取1200℃×72 h的均匀化工艺,可以有效消除原始铸态块状析出相,消除W、Cr、Ni、Co等元素偏析,达到最合适的均匀效果。均匀化热处理后,GH5188合金的力学性能得到了提升,在1180℃拉伸、压缩条件下,抗拉强度达到158 MPa,变形抗力为244.29 MPa。     

基于BP神经网络的金属陶瓷TiC-Ni触变成形本构关系模型

利用Gleeble-2000动态材料热模拟机,对TiC-Ni自蔓延燃烧后的试样进行压缩试验,获得了不同变形温度、不同应变速率和不同真应变下的流动应力数据.结合实验数据和神经网络知识,建立了具有BP算法的人工神经网络,训练结束后的神经网络即成为TiC-Ni金属陶瓷的一个知识基的本构关系模型.误差分析表明,该神经网络本构关系模型具有较高的精度,可为TiC-Ni金属陶瓷反应热压工艺的制定及其热压过程的有限元模拟提供参考.     

基于BP和RBF神经网络的机器人逆运动学算法

针对单一神经网络求逆运动学时存在求解精度不高、泛化能力差的问题,研究了工业机器人的工作空间及逆运动学求解算法。在对BP神经网络和RBF神经网络分析的基础上,提出了一种BP与RBF网络并行的7输入6输出神经网络模型。以一种协作型工业机械臂为例,首先建立其运动学模型并分析工作空间,然后求解正运动学获得数据集用于训练、验证和测试网络,最后得到符合要求的网络模型。仿真结果验证了网络的正确性,并行网络方法提高了单一神经网络的求解精度,同时求解速度优于解析法求逆运动学速度,证明了该方法的实用性。     

基于BP神经网络的压铸模热疲劳失效预测

依据A356咖啡机顶盖高压铸造特点,采用FEM仿真软件对铸件成型工艺进行数值模拟,以L16(45)正交试验和6个补充试验作为BP神经网络的训练样本,建立模具热应力与浇注温度、模具预热温度、压射比压、压铸速度四个压铸工艺参数的非线性映射关系.在所定的压铸工艺参数范围内,随机选取6组工艺参数组合,结合FEM模拟软件和已经训...     

GH5188高温合金组织特征及冷热加工过程组织演变

为了给控制生产工艺、优化产品性能提供理论参考,利用SEM、EDS和Thermo-Calc热力学软件研究了GH5188钴基高温合金生产加工过程中的组织演变及热处理工艺。结果表明:GH5188合金主要相组成为γ相、M_6C和M_(23)C_6,采用1200℃/20 h的均匀化制度可明显消除铸态组织偏析;热轧态组织晶粒细小且有大量碳化物沿着轧向平行析出;冷轧态组织晶粒扭曲变形严重,颗粒状M_6C为主要析出相。当退火温度高于1170℃时,晶界处的二次碳化物基本回溶,再结晶晶粒能够正常长大。     

基于粗糙集和BP神经网络的刀具状态监测

在刀具磨损状态监测中,能够提取到的反映不同刀具磨损状态的特征量较大,基于神经网络的状态识别无法去掉冗余特征,会存在训练时间长和准确率降低等问题。针对这些问题,提出基于粗糙集-BP神经网络的刀具磨损状态监测方法,利用粗糙集对特征进行属性约简,去掉冗余信息,从而优化特征,并且减少神经网络的输入端数据,可以缩短神经网络的训练时间和提高识别的准确率。通过对实测刀具数据进行分析,证明了该方法的有效性。